基于IOWA算子的短时交通流预测方法研究

本文首次将诱导有序加权平均（IOWA）算子应用到短时交通流预测中,建立了以整体预测误差平方和最小为目标的组合预测模型。在分析短时交通流预测模型的基础上,本文选取了指数平滑法、季节自回归求和移动平均模型（SARIMA）、BP神经网络模型对短时交通流进行预测,再用IOWA算子将这三种模型进行组合预测。最后进行实例验证,通过MAE、MSE和MAPE三项指标比较分析四种模型的预测效果。结果证明,IOWA算子组合预测模型明显优于其他的预测模型,有效地提高了短时交通流的预测精度。     

基于IOWA算子的安徽省固定资产投资的组合预测

以1990～2011年安徽省固定资产投资为样本区间,运用VAR预测模型、指数预测与二次移动平均预测3种单项预测方法,以预测误差平方和最小准则,建立IOWA算子组合预测模型。对该模型的预测有效度进行评价,结果表明:该组合预测模型能有效提高预测精度。     

基于IOWA算子的我国粮食产量组合预测研究

以1978—2018年我国粮食产量数据为样本,提出基于IOWA算子的组合预测模型,对我国未来5年的粮食产量进行预测。首先建立时间序列ARIMA模型、Holt-winters加法模型和多元线性回归模型,运用3个单项预测模型对1978—2018年间我国的粮食产量进行拟合,然后基于IOWA算子建立以误差平方和最小为准则的组合预测模型,最后运用基于IOWA算子组合预测模型对我国未来5年的粮食产量进行预测。结论表明:基于IOWA算子的组合预测模型具有更高的预测效果,能够使得单项预测模型提供的有效信息得到全面利用,更精准地预测我国粮食产量;我国未来5年的粮食产量还会持续增加,并且每年的平均增长速度为1.3%。     

基于预测有效度的IOWA算子模糊组合预测方法

传统的组合预测方法大部分都是针对数字型数据进行的,但在实际生活中,预测对象具有模糊性,常用三角模糊数表征其特征信息;提出了基于模糊信息的一阶预测有效度的概念,并将其作为精度指标,运用诱导有序加权平均(IOWA)算子对三角模糊数信息进行集成,建立了相应的组合预测模型,实例分析表明基于一阶预测有效度的IOWA算子模糊组合预测模型是可行和有效的。     

新能源电动车销量预测模型的应用

随着新能源电动车(乘用车)的使用越来越普及,对其销售预测的研究尤为重要。首先采用指数平滑预测方法对其进行销量预测;考虑到新能源电动车销售量呈现季节性变化,将季节变动指数融入灰色预测中,给出了基于季节变动指数改进的灰色预测模型;为了进一步提高预测精度,引入IOWA算子,将指数平滑预测与改进的灰色预测相组合,给出了基于IOWA算子的组合预测模型;最后通过实例仿真验证了模型的可行性和有效性,为发展新能源汽车提供基础资料。     

基于IOWA算子的我国居民消费水平组合预测研究

为了研究我国居民消费水平的变化趋势,将预测我国未来4年（2020—2023年）的居民消费水平,选择的样本数据是从2002—2019年这18年间的我国居民消费水平,构造基于ARIMA(2,1,1)模型、Holt Winters无季节模型以及多元回归模型的诱导有序加权算术平均(IOWA)算子组合预测模型,主要运用使偏差平方和最小的组合预测优化方法预测我国未来4年（2020—2023年）的居民消费水平,并对诱导有序加权算术平均IOWA算子组合预测模型进行了有效性评价;以新发展格局的内循环和外循环为依据,寻找解释变量并建立多元回归模型;研究发现：IOWA算子组合预测模型预测精度大于各单项预测模型,并且各项误差均显著低于单项预测模型,未来4年我国居民消费水平不会有大幅度波动,但有小幅度下降的趋势。     

基于组合模型的三角模糊数预测模型

首先以北京市1994-2006年年平均最低气温、年平均气温、年平均最高气温构建三角模糊数序列的三个界点,出于数据整体性考虑将三角模糊数序列转换成等量信息的三个指标数序列,然后,对三个指标数序列分别构建了时间序列ARIMA模型,灰色预测GM(1,1)模型以及BP神经网络模型,最后在单一模型预测结果的基础上通过引入诱导有序加权(IOWA)算子,建立了一种集成IOWA算子的ARIMA-GM-BP的三角模糊组合预测模型。通过最终预测结果对比,组合模型预测精度明显要高于各单一模型。     

应用组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具.根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤.     

诱导有序加权平均算子在城市公共交通预测中的应用

有序加权平均算子是近年来发展起来的,并在许多领域有着广泛的应用.本文通过引进诱导有序加权平均算子(IOWA),介绍并建立了组合预测模型,最后给出IOWA在城市公共交通预测中的应用,并结合实例分析结果表明了模型的有效性.     

基于IOWA算子的赤潮LMBP神经网络组合预测模型

针对现有赤潮单项预测模型不能综合各种理化因子有效信息的问题,提出了一种赤潮组合预测模型,该模型基于诱导有序加权平均(IOWA)算子与Levenberg-Marquardt人工神经网络(LMBP)算法,能够有效集结各种理化因子的信息,其预测精度比单项LMBP神经网络预测模型有较大提高.采用烟台四十里湾赤潮监测数据对该模型进行实验.结果验证了该模型的有效性和实用性.     

安徽省城镇化水平预测———基于IOWHA算子的组合预测

以1990-2011年安徽省城镇化水平为样本区间,在指数平滑、灰色预测与回归预测三种单项预测方法的基础上,以预测倒数误差平方和最小为准则,建立IOWHA算子组合预测模型;对该模型的预测有效度的评价结果表明该组合预测模型能有效提高预测精度;根据该组合模型预测出安徽省2012-2015年城镇化水平将分别达到46.35％、47.89％、49.44％、50.98％.     

基于完全因素分解模型的中国生产性能源消费量变动的实证研究

本文应用完全因素分解模型对中国1985年到2008年生产性能源消费量的变动进行分解。生产性能源消费指排除生活能源消费的用于各行业生产所投入的能源消费。能源消费量的变动分解为三种效应：由于整体经济的增长带来的经济规模效应、产业结构变动带来的结构效应和技术进步的效率效应。创新之处在于应用因素分解模型进行能源消费量变动的研究。 实证结果表明：24年来,实际GDP带来的经济规模效应是使得能源消费不断上升的最主要因素,效率效应的作用与经济规模效应相反,对于控制能源消费的增长起到了较大并且积极的作用,产业结构的调整对能源消费的控制并没有起到积极的作用。     

办公建筑运行能耗的混沌时间序列复合预测

针对办公建筑已有的能耗预测方法中未能考虑到能耗数据的混沌变化特性,提出了一种基于混沌时间序列的办公建筑运行能耗预测方法.对研究对象的时间序列进行相空间重构,判断其具备混沌特性,建立混沌理论和支持向量回归的组合模型进行训练,采用Markov链消除组合模型由于参数传递产生的累积误差,得到最终预测结果.为了验证算法的有效性,以西安某办公建筑的能耗监测数据为例进行实例分析,并与非线性自回归神经网络、支持向量回归等其他预测方法进行对比.实验结果表明,经过Markov修正后的混沌时间序列组合模型预测精度显著提高,预测效果优于其他方法,且更符合办公建筑能耗的变化规律,为节能优化提供有效的数据支撑.     

基于时序卷积网络的云服务器性能预测模型

目前基于深度学习的主机性能预测模型大部分缺乏普适性，实验数据缺乏公正性，无法准确预测能耗或性能峰值点且时间开销较大.为解决这些问题，文章提出了一种基于改进时序卷积网络的云服务器性能预测模型(ATCN模型).该模型将CPU利用率作为主机过载的衡量标准，利用多维性能指标构建N+1维能耗向量，建立输入向量与预测标准之间的关系；调整TCN中的卷积核大小并不断增大扩张因子，实现长期记忆效果.基于阿里云开源数据集的实验结果表明:ATCN模型具有强自适应性，在不同硬件配置和资源使用情况下，预测准确率和效率方面比LSTM模型提升大约20%.     

能耗预测导向的建筑能耗异常数据识别与修复

建筑能耗异常数据处理是对建筑能耗进行准确预测的前提。为有效处理建筑能耗异常数据,利用基于机器学习的K-means和KNN(K-nearest neighbor)算法,对上海某酒店建筑2017年7月的逐时能耗数据进行了异常识别和修复。通过建立长短期记忆网络模型,利用处理后的能耗数据预测了该建筑2017年8月首周的逐时能耗数据。预测结果表明,提出的建筑能耗异常数据识别与修复方法能准确识别并修复建筑能耗异常数据,从而显著提高后续能耗预测的效果。     

城市轨道交通列车牵引能耗分析

对现有城市轨道交通列车牵引能耗影响因素研究进行梳理和总结,得到了较为全面的指标体系,并以日常运营中的可变因素作为变量进行牵引能耗的物理建模,在此基础上建立了多元线性回归统计模型。以北京轨道交通2号线运营数据为基础,进行牵引能耗统计回归。研究结果表明,该模型对牵引能耗实际数据拟合程度高,对变量解释能力强,对未来预测能力佳。     

国内外厌氧消化模型研究进展

 厌氧生物法是一种适用于处理高浓度有机废水的高效低能耗的处理工艺,厌氧消化模型是表述兼性细菌和厌氧细菌将可生物降解的有机物分解成二氧化碳、甲烷和水的过程模型。它是一个具有分解和水解、产酸、产乙酸和产甲烷等过程的复杂的结构化模型。本文主要介绍了国内外污泥厌氧消化模型的研究现状及其进展,模型包括厌氧消化1号模型(ADM1)、好氧活性污泥-厌氧消化模型(ASM1-ADM1)、单相中温-厌氧消化模型(SPMT-ADM1)、单相高温-厌氧消化模型(SPHT-ADM1)、两相-厌氧消化模型(TP-ADM1)、厌氧消化-活性污泥复合模型(ADM1-ASMs)、硫酸盐还原-厌氧消化模型(SR-ADM1)、硝酸盐还原-厌氧消化模型(NR-ADM1)、产气-厌氧消化模型(GPAE-ADM1)、沉淀池-厌氧消化模型(ST-ADM1)和抑制因子-厌氧消化模型(IK-ADM1)。对这些模型进行了综述,根据目前存在的不足对今后的研究方向提出了建议。     

建筑用户在室行为预测新方法

准确预测建筑用户在室行为可显著提高建筑能耗模拟精度,并进一步帮助建筑设计及运行控制优化.当前进行在室行为预测时所采用的主要是基于隐马尔可夫链方法的数学模型,该模型考虑了在室行为的时间关联性,可平稳有效地预测在室行为.然而现有隐马尔科夫模型难以准确描述在室行为动态变化规律以及在室行为与可观测参数之间的关联,降低了模型预测精度.针对该问题,本文提出一种基于状态转移的时变隐马尔科夫模型.该模型采用时变状态转移概率矩阵量化不同时刻在室行为的动态变化特征及关联,同时该模型基于状态转移计算可观测参数的概率分布以定量描述在室行为对可观测参数的影响.本文采用比利时某办公室在室行为数据库进行了相关建模和验证,结果表明该模型可更有效地捕捉在室状态变化,从而提高了在室行为预测精度.